自动研究与人类主导权的分歧
在 AI Engineer World’s Fair 的主舞台上，“自动研究”（autoresearch）成为当天的核心议题之一。
所谓自动研究，可以理解为一种循环机制。Introspection 联合创始人 Roland Gavrilescu 将其描述为：让代理参与维护系统本身的循环。按照他的说法，自动研究是一种“外层循环”，用于研究并维护主要的“内层循环”。
这一概念并不只是关于让 AI 完成任务，而是进一步让 AI 参与观察、改进和维护执行任务的系统。
模型是“生长”出来的
Anthropic 负责 Claude Code 相关工作的 Thariq Shihipar 虽然没有直接使用“自动研究”这个词，但他的主题演讲体现了类似思想：系统需要持续发现和适应。
他提到：“模型是生长出来的，而不是开发出来的。”他的观点是，开发者是在使用模型的过程中逐步理解模型，并与模型共同学习。
这意味着，AI 工程不再只是一次性设计和交付，而更像是持续观察、调整和适应的过程。
外层循环应由谁掌控？
前 Google 工程负责人 Addy Osmani 也谈到了循环，但他的重点与自动研究的设想有所不同。
在自动研究的框架中，代理可以进入负责研究和维护系统的外层循环；而 Osmani 认为，外层循环仍应由人类工程师掌握。
他的表述很直接：“代理可以运行更多内层执行循环，但外层循环仍然是工程。”他进一步总结说：“内层循环是能力，外层循环是能动性。”
这一区分点出了当前 AI 工程实践中的关键张力：AI 可以越来越多地承担执行，但系统目标、判断标准、取舍和责任边界，是否应该继续由人类决定？
“软件工厂”愿景遇到反思
当天讨论背后，是一种更广泛的“软件工厂”愿景：让 AI 代理承担越来越多的软件生产、维护和迭代工作。
但从多位演讲者的观点看，这一愿景并未获得无条件接受。相反，现场讨论显示出一种明显的分歧：
- 一方强调让代理参与系统维护和自我改进；
- 另一方强调人类仍需理解系统，并保留关键控制权；
- 双方都承认 AI 工程正在从静态开发转向持续适应。
值得关注的问题
这场讨论的价值，不在于给出一个确定答案，而在于提出了 AI 工程接下来必须面对的问题：
- AI 代理能否可靠地维护自身所在的系统？
- 外层循环中的判断、设计和责任是否可以交给机器？
- 当模型能力不断变化时，工程团队如何保持理解与控制？
- “自动研究”会成为软件工程的新范式，还是只适合特定场景？
从当天的讨论看，AI 工程正在进入一个更复杂的阶段：问题不再只是“AI 能做什么”，而是“哪些事情应该交给 AI，以及人类应在哪些环节保持主导”。